建筑立面点云对偶深度图像中窗户提取方法

提出了一种地面激光点云数据的建筑物立面窗户提取方法。针对窗户包含点云的情况,首先对建筑立面点云进行特征分析及无效点去除,由于窗户、展台、及其他凹凸特征物与建筑立面的墙面存在深度差,可基于此采用距离加权倒数IDW内插方法生成建筑面片的对偶深度图像,再经阈值分割、中值滤波平滑处理,形态学滤波等,找到窗户内的点云及边界。而对窗户空洞情况,可采用构建TIN进行边界提取,由于窗户边界点构成的边长远远大于窗户周边点,可基于此找到窗户边界点。通过对实测点云数据进行实验,将提取的效果与实际情况作对比,结果表明,该方法能有效对窗户进行提取。     

基于地面激光扫描数据的建筑物边界规则化方法研究

基于地面激光扫描数据,提出了一种新的建筑物边界规则化方法,不仅可以对建筑物整体而且可以对不同侧面进行规则化,包括立面墙面、门和窗户等.首先对海量原始激光点云利用高效的随机采样一致性算法分割为不同的平面面片,然后利用2D α-shapes算法提取建筑物点云数据.在此基础上,利用本文提出的边界规则化算法产生一个规则多边形进而实现建筑物边界规则化.利用实际地面扫描数据对该算法进行验证,表明本文方法可以针对不同密度的点云进行自适应调整,不仅效率高,而且可以达到非常满意的建筑边界规则化效果.该研究成果对于利用地面激光扫描数据进行建筑物三维建模具有一定的参考意义.     

基于地面激光扫描数据的建筑物边界规则化方法研究（英文）

基于地面激光扫描数据,提出了一种新的建筑物边界规则化方法,不仅可以对建筑物整体而且可以对不同侧面进行规则化,包括立面墙面、门和窗户等.首先对海量原始激光点云利用高效的随机采样一致性算法分割为不同的平面面片,然后利用2Dα-shapes算法提取建筑物点云数据.在此基础上,利用本文提出的边界规则化算法产生一个规则多边形进而实现建筑物边界规则化.利用实际地面扫描数据对该算法进行验证,表明本文方法可以针对不同密度的点云进行自适应调整,不仅效率高,而且可以达到非常满意的建筑边界规则化效果.该研究成果对于利用地面激光扫描数据进行建筑物三维建模具有一定的参考意义.     

激光点云技术扫描建筑物门窗立面数据提取

三维快速建模在未来城市作战中起着关键作用,建筑模型信息越细节、越完善,就越能够充分发挥出建筑模型的作用.为此,以激光点云技术为扫描手段,提出一种建筑物门窗立面数据提取方法.利用设计的激光点云设备扫描模式与间距测量方法,采集建筑物点云数据,将其投影至水平网格中,归一化处理各区域灰度值,基于数据点与其邻域点间的欧几里得距离...     

激光三角网格点云孔洞曲面修补方法

三维激光扫描点云在采集和处理后生成的三角化网格,由于测量设备限制或模型自身形状特点常包含孔洞,这类孔洞会给后续三维重建带来障碍.针对孔洞修补问题,提出了一种激光三角网格曲面点云孔洞修补算法.首先对封闭孔洞通过遍历三角网格确定三角面片边界,检测孔洞.其次基于最小角度法在孔洞多边形处快速生成新三角面片,形成初始网格.然后融合最小二乘网络与径向函数隐式曲面,利用最小二阶导数对曲面曲率进行最小化,并与原始网格曲率变化趋势保持相同,最终实现激光点云孔洞修补.实验结果表明,与其他点云修补方法相比,该方法降低了修补误差,适用于多种三角网格模型孔洞修补.     

基于三维激光点云数据的建筑景观可视化建模

现有的建模方法已无法满足实际应用需求,为此,以三维激光点云数据为技术支持,设计出一种建筑景观可视化建模策略.分析三维激光扫描技术与坐标解算后,联立建筑景观影像坐标与点云间映射关系,经配准采集到的点云数据,采用引入拉普拉斯算子的噪声滤除算法、kd-tree以及引入凸包概念的边界线提取算法,完成建筑景观点云数据去噪、分割以...     

大场景内建筑物点云提取及平面分割算法

提出一种从地面激光点云数据中提取建筑目标并进行分割的新方法,该方法利用半径渐变的主成分分析法确定各点局部几何特征(最佳半径,法向量、维度特征);根据几何特征将地面点从原始点云中剔除,将非地面点按距离聚类形成点云簇,并对点云簇进行整体特征分析,识别建筑物目标;依据点的局部特征设置区域增长法生长准则对建筑物目标进行平面分割并对分割结果进行优化。实验结果表明,该方法不仅能快速有效提取大场景中的建筑物目标进行分割,并且解决了传统区域增长法不稳定的问题,提高了建筑物点云平面分割的精确性和可靠性。     

基于激光点云的公路箱梁表面裂缝识别方法研究

激光扫描作为一种新兴的无接触式测量技术,具有测量速度快、精度高的特点,常用于物体表面的损伤检测中。为从激光点云中提取裂缝所在位置,提出一种基于点云扫描线的混凝土预制箱梁表面裂缝识别方法,该算法根据点云在不同条带上的高度差异获取突变点,并使用小波分解增加突变点的拾取精度,最后通过连接突变点得到裂缝的平面分布。点云实验表明,依赖于小波分解对突变点的精确检测,该算法能够实现对预制箱梁表面独立单一走向裂缝的精确识别,其中使用Coif2小波基进行4层小波分解能够实现最佳的识别效果。     

电力线激光点云的分割及安全检测研究

为了进行高压输电线路安全检测分析，基于机载激光雷达（LiDAR）电力走廊数据，提出了一种基于密度的空间聚类方法（DBSCAN）的电力线激光点云单条分割提取算法。通过该方法可以实现输电走廊中单条电力线的快速分割提取。首先对电力线点云在x-O-y平面上投影，对投影后的激光点采用最小二乘法进行直线拟合；其次通过计算输电走廊长度，采用经验参量进行电力线点云分段；再次对分段点云在投影平面内进行DBSCAN聚类；最后将分段聚类结果类别归一化，得到单条电力线激光点云数据。结果表明，采用该方法能够在只需经验参量分段宽度的情况下，快速准确地对电力线激光点云进行分割提取，并根据分割结果进行电力线与电力走廊地物距离计算，判断危险点类型及距离。所提出的方法具有较高的提取与测量精度，能够有效地应用于电力线安全检测分析。     

基于激光散射测量的虚拟建筑空间重建设计

传统方法对空洞和缺失点云的修复不到位,缺乏空间细节深度信息,导致建筑空间重建精度较差.为此,提出基于激光散射测量的虚拟建筑空间重建方法.利用激光散射测量技术,采集能够表现建筑三维坐标的点云数据,拼接多视角点云,并进行去噪分割处理,建立建筑空间主平面模型,内插填补边缘信息和细节深度信息,实现虚拟建筑空间重建.进行对比实验,完成形态相似规则的住宅楼重建工作,结果表明,此次设计方法相比传统方法,提高了点云数据去噪效果及拼接精度,减小了建模距离与实测距离偏差,提高了建筑空间重建精度.     

基于RANSAC三维点云的平面提取算法

针对三维激光扫描点云的表面特征获取时间长,提取效果与减少运行时间不能兼得的问题,本文基于随机抽样一致算法(RANSAC)提出一种自动快速识别点云平面特征的算法。通过对RANSAC算法进行改进,提出基于迭代采样子集判断优化的方法,能够快速准确地识别并提取物体的平面特征。实验结果表明,本算法能有效准确地找到扫描物的平面。     

基于误差椭球的激光测量系统的不确定度分析

为了对3维激光扫描技术的测量精度做出评估,以激光雷达测量系统为研究对象,基于误差椭球理论建立了测量系统的点位误差模型;依据点云平面误差椭球的分布特性,提出了点云拟合平面的不确定度模型,用于评估与拟合平面关联的尺寸测量精度;通过对箱体类物体高度的测量实验,获得了实际测量不确定度,并与模型仿真结果进行了对比。结果表明,该模型可较准确地估算出高度的测量不确定度,从而验证了其有效性及实际意义。     

基于激光扫描技术的三维模型重建

通过分析三维激光扫描系统获取的点云数据,得到了利用点云数据构建三维模型的技术、方法和流程。介绍了利用地面三维激光扫描仪获取点云数据的过程以及结合RiSCAN PRO软件和Geomagic Studio软件进行建模的方法。对原始测量的点云数据进行处理(去除噪声,平滑,对多站点数据做拼接配准,提取目标建筑物等)得到正确和完整的目标建筑物的表面信息,然后构建三角网建立它的三维表面模型,最后通过所拍的照片进行纹理映射得到真实的三维模型。实验结果表明,利用上述方法可以有效地处理三维激光扫描获取的点云数据,实现对建筑物快速三维可视化建模。     

复杂环境中电力线激光点云的自动提取

为了解决目前复杂环境下电力线提取精度及鲁棒性低的问题，提出了一种基于激光点云的电力线自动提取方法。通过主成分分析确定输电线路的主方向，将长距离输电走廊划分为多个空间网格，以应对地形起伏变化时植被点云对提取算法的干扰；再通过一种自顶向下的全新滤波算法剔除每个空间网格的地物点，根据点云密度分布差异实现电力线和电塔的自动分离；另外, 提出半径搜索算法对分离后的结果进行处理，得到单条电力线的激光点云数据。结果表明，所提出的方法对电力线的提取精度高达99.69%，针对不同连接塔型和不同地形都具有很好的鲁棒性。该研究在输电通道空间结构的自动分析领域以及智能巡检领域具有良好的工程应用价值。     

SLAM激光扫描的建筑物建模方法与应用Building modeling method and application of SLAM laser scanning

基于SLAM激光扫描系统对目标建筑物进行点云数据采集,通过点云去噪、重采样等预处理得到了建筑物目标点云,利用特征提取算法提取建筑物轮廓线,分别采用点云数据直接建模法和基于轮廓线建模方法对目标建筑物进行了建模对比,利用传统全站仪获取的10个特征尺寸进行了精度验证。试验结果表明,直接建模法的建筑物模型精度为0.058 m,基于轮廓线建立的模型的精度为0.032 m,基于建筑物线特征约束的建模精度明显高于点云数据直接建模精度,为SLAM激光扫描系统在建筑物三维模型建立中的应用提供了方法和参考。     

基于激光点云数据的三维运动图像重构技术北大核心CSCD

为了解决三维运动图重构时存在的重构测量距离与实际距离误差大、激光点云数据数量多和重构图像清晰度对比低的问题,提出了基于激光点云数据的三维运动图像重构技术,通过配准多帧激光点云数据,从中获取激光点云数据集,再采用平面拟合方法对激光点云数据集实行去噪处理,最后利用曲面重构法完成对曲面模型的拟合,实现三维运动图像重构。实验结果表明,通过对三维运动图像重构进行测量距离与实际距离的对比、激光点云数据数量的对比和测量图像与实际图像清晰度的对比测试,验证了三维运动图像重构技术的实用性高。     

基于体素化图卷积网络的三维点云目标检测方法

针对激光雷达点云的稀疏性和空间离散分布的特点,通过结合体素划分和图表示方法设计了新的图卷积特征提取模块,提出一种基于体素化图卷积神经网络的激光雷达三维点云目标检测算法。该方法通过消除传统3D卷积神经网络的计算冗余性,不仅提升了网络的目标检测能力,并且提高了点云拓扑信息的分析能力。文中设计的方法在KITTI公开数据集的车辆、行人、骑行者的3D目标检测和鸟瞰图目标检测任务的检测性能相比基准网络均有了有效提升,尤其在车辆3D目标检测任务上最高提升了13.75%。实验表明:该方法采用图卷积特征提取模块有效提高了网络整体检测性能和数据拓扑关系的学习能力,为三维点云目标检测任务提供了新的方法。     

点云边界快速精确提取算法

点云边界提取是点云三维重建中极其关键的一步, 现有的边界提取算法大多采用一种 判别准则进行边界点提取,导致提取的效率低或者提取效果不理想。针对上述问题,本文提 出一种快速精确的点云边界提取算法,其包括粗提取与精提取两个步骤。粗提取中对任意点 ,利用Kdtree搜索其近邻点,对该点与其近邻点构成的单位法向量进行叠加,依据叠加后 向量的模长与近邻数的比值粗提取出边界点;精提取中对于粗提取出的边界点,搜索其近邻 点并依据近邻点拟合成平面,再将近邻点投影到该平面上,根据判断点的投影点与近邻点的 投影点连线间的最大夹角精确提取出边界点。使用地面与机载两类不同的点云数据验证本算 法,实验结果表明:本算法均可以准确提取出这两种点云的边界点,同时在提取机载点云边 界上效率提高了6.8倍,在地面点云中提高了2倍。本文算法可用于快 速提取边界点,有利用后续点云重建。